文章来源：量子位
图片来源：由无界AI生成要说这两天大模型圈的顶流话题，那绝对是非DeepSeek V3莫属了。
不过在网友们纷纷测试之际，有个bug也成了热议的焦点——
只是少了一个问号，DeepSeek V3竟然称自己是ChatGPT。
甚至让它讲个笑话，生成的结果也是跟ChatGPT一样：
加之DeepSeek V3这次爆火的一个亮点，就是训练只花了557.6万美元的成本。
于是乎，有人就开始怀疑了：它不会是在ChatGPT的输出基础上训练的吧？
好巧不巧，Altman也发了一个状态，似乎在暗讽着什么……
不过DeepSeek V3并非是第一个出现“报错家门”的大模型。
例如Gemini就曾说过自己是百度的文心一言……
那么这到底是怎么一回事？
为什么DeepSeek V3报错家门？
首先需要强调的一点是，从目前网友们整体讨论的观点来看，说DeepSeek V3是在ChatGPT输出上训练的可能性不大。
之所以这么说，正如网友Riley Goodside所总结的那样——因为ChatGPT的影子无处不在。
即便DeepSeek V3故意用ChatGPT的输出做了训练，但这并不重要。所有在ChatGPT之后出现的大模型，几乎都见过它。
例如ShareGPT，一个并不新鲜的ChatGPT对话数据集，许多人已经尝试在它和其它ChatGPT数据源上进行调整。但即便如此，也没能出现DeepSeek V3级别的大模型。
紧接着，Riley Goodside又拿出了DeepSeek V3报告中的一些证据：
而且要是用了ChatGPT数据的话，有些关于DeepSeek V3质量的问题是解释不通的。
例如Pile测试（基础模型压缩Pile的效果），DeepSeek V3得分几乎与Llama 3.1 405B相当，这跟它接没接触ChatGPT数据无关。
而且报告称95%的GPU-hours用于预训练基础模型，即便是跟ChatGPT数据有关，那这部分也会在post-training阶段发生（后5%）。
而比起用没用ChatGPT数据，或许我们应当更加关注的是为什么大模型会频繁出现“报错家门”的问题。
TechCrunch针对这个问题给出了一句犀利的点评：
因为AI公司们获取数据的地方——网络，正在充斥着AI垃圾。
毕竟欧盟的一份报告曾预测，到2026年，90%的在线内容可能是AI生成的。
这种“AI污染”就会让“训练数据彻底过滤AI的输出”变得困难。
AI Now Institute的首席科学家Heidy Khlaaf则表示：
尽管存在风险，开发者依然被从现有AI模型中“蒸馏”知识所带来的成本节约所吸引。
意外地在ChatGPT或GPT-4输出上进行训练的模型，也不一定会展示出让人想起OpenAI定制消息的输出。
那么现在对于网友们热议的问题，量子位进行了一波实测，DeepSeek V3目前还没有解决这个bug。
依旧是少了个问号，回答结果会不一样：
DeepSeek V3更多玩法
不过有一说一，绝大部分网友对于DeepSeek V3的能力是给予了大大的肯定。
从各路AI大佬们集体直呼“优雅”中就能印证这一点。
而就在这两天，网友们陆续晒出了更多DeepSeek V3加持的实用玩法。
例如有网友拿DeepSeek V3和Claude Sonnet 3.5一决高下，在Scroll Hub中分别用它俩创建网站：
嗯，DeepSeek V3是有点好用在身上的。
One More Thing
对于此前公布的53页论文，也有网友关注到了一个非技术性的细节——
贡献列表中，不仅展示了技术人员，还有数据注释和商务等工作人员：
网友认为这种做法非常符合DeepSeek的调性：
参考链接：AIGC 大模型
[1]https://techcrunch.com/2024/12/27/why-deepseeks-new-ai-model-thinks-its-chatgpt/
[2]https://x.com/victormustar/status/1872647314231398524
[3]https://x.com/breckyunits/status/1872422078592516295
[4]https://x.com/op7418/status/1872689338242482203
[5]https://x.com/goodside/status/1872911457857208596
[6]https://x.com/kevinsxu/status/1873146905846530472
